Un método de clasificación de té rápido y no destructivo es de gran importancia en la investigación actual. Este estudio utiliza la tecnología hiperespectral de fluorescencia y el aprendizaje automático para distinguir el té Oolong mediante el análisis de las características espectrales del té en el rango de longitud de onda de 475 a 1100 nm. Los datos espectrales son preprocesados por corrección de dispersión multivariante (MSC) y variable normal estándar (SNV), lo que puede reducir de manera efectiva el impacto de la deriva y la inclinación de la línea base. Luego, se adoptan el análisis de componentes principales (PCA) y la incrustación de vecindario aleatorio de distribución t (t-SNE) para la reducción de dimensionalidad de características y la visualización. Se utiliza la Eliminación de Características Recursivas de Bosque Aleatorio (RF-RFE) para la selección de características. Se utilizan Árbol de Decisión (DT), Clasificación de Bosque Aleatorio (RFC), Vecino más Cercano (KNN) y Máquina de Vectores de Soporte (SVM) para establecer el modelo de clasificación. Los resultados muestran que MSC-RF-RFE-SVM es el mejor modelo para la clasificación de té Oolong, con una precisión del conjunto de entrenamiento y del conjunto de prueba del 100% y 98,73%, respectivamente. Se puede concluir que la tecnología hiperespectral de fluorescencia y el aprendizaje automático son factibles para clasificar el té Oolong.